交通图像中机动车联合检测与识别方法A unified method for vehicle.PDF

中图法分类号:( 此号在中国图书馆分类法中查) 文献标识码:A 文章编号:1006-8961(年) - 论文引用格式： 交通图像中机动车联合检测与识别方法 郭少博，刘旭，王子磊 中国科学技术大学自动化系, 合肥 230027 摘 要：目的：机动车检测和属性识别是智能交通系统中的基本任务，现有的方法通常将检测和识别分开进行，导致以 下两个问题：一是检测算法与识别任务在时序上存在耦合问题，增加了算法设计的复杂度；二是多个任务模块及其交互会 增加计算负载，降低了智能交通系统的执行效率。为了解决以上问题，本文结合机动车辆视觉属性与检测之间的联系，提 出机动车联合检测与识别算法，将检测和属性识别任务整合在一个算法框架中完成。方法：首先，将车辆颜色与类型融 合到检测算法中，使用多任务学习框架对机动车的属性识别任务与定位任务建模，在检测的同时完成属性识别。进一步地， 针对智能交通系统中数据分布不均匀、呈现长尾现象的问题，将多任务学习框架与在线难例挖掘算法相结合，降低该现象 给模型优化带来的危害。结果：为了验证本文提出的方法，本文构建了拥有 12712 张图像，包含 19398 辆机动车的道路 车辆图像数据集。在该数据集上，使用机动车联合检测与识别算法取得了85.6%的检测精度，优于 SSD 与 Faster-RCNN 检测方法。针对识别任务，本文方法对于颜色与类型属性的识别准确率分别达到了91.3%和91.8% 。结论：车辆颜色和类 型作为机动车的重要视觉特征，综合利用以上线索有助于提高机动车检测的效果，同时能够得到良好的属性识别性能。除 此之外，使用一个高度集成的框架完成多个任务，可以提升智能交通系统的运行效率。 关键词 ：机动车检测算法; 机动车属性识别; 难例挖掘; 长尾现象; 多任务学习; A unified method for vehicle detection and attributes recognition Guo Shaobo, Liu Xu, Wang Zilei Department of Automation, University of Science and Technology of China, Hefei 230027, China Abstract ：Objective Vehicle detection and attributes recognition are the basic tasks in Intelligent Traffic System (ITS) which aims to extract key features of target vehicles. Most of solutions separate them into numbers of individual modules such as vehicle detection, vehicle color recognition, and vehicle type recognition. However, such kind of solution suffers a lot of problems under practical scenario. Firstly, the coupling problem between detection and recognition algorithm increases the complexity of algorithm designation. Secondly, deep learning based algorithms are data driven method so that algorithm designer should collect data for every single function module for training while data collection is very expensive and time consuming. What’s more, the more mo